論文の概要: Privacy-Preserving Adaptive Re-Identification without Image Transfer

• arxiv url: http://arxiv.org/abs/2407.12589v1
• Date: Wed, 17 Jul 2024 14:12:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-18 16:56:39.809069
• Title: Privacy-Preserving Adaptive Re-Identification without Image Transfer
• Title（参考訳）: 画像転送なしのプライバシ保護適応再同定
• Authors: Hamza Rami, Jhony H. Giraldo, Nicolas Winckler, Stéphane Lathuilière,
• Abstract要約: Re-ID(DUDA-Rid)のためのプライバシ保護型分散非教師付きドメイン適応のための新しい設定法を提案する。 エッジデバイス内で直接、人物Re-IDモデルを適応する新しいソリューションであるFed-Protoidを紹介します。 提案実験は,Fed-Protoidが精度と通信効率の両面から評価されたすべての手法より優れていることを示す。
• 参考スコア（独自算出の注目度）: 14.326255187038443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Re-Identification systems (Re-ID) are crucial for public safety but face the challenge of having to adapt to environments that differ from their training distribution. Furthermore, rigorous privacy protocols in public places are being enforced as apprehensions regarding individual freedom rise, adding layers of complexity to the deployment of accurate Re-ID systems in new environments. For example, in the European Union, the principles of ``Data Minimization'' and ``Purpose Limitation'' restrict the retention and processing of images to what is strictly necessary. These regulations pose a challenge to the conventional Re-ID training schemes that rely on centralizing data on servers. In this work, we present a novel setting for privacy-preserving Distributed Unsupervised Domain Adaptation for person Re-ID (DUDA-Rid) to address the problem of domain shift without requiring any image transfer outside the camera devices. To address this setting, we introduce Fed-Protoid, a novel solution that adapts person Re-ID models directly within the edge devices. Our proposed solution employs prototypes derived from the source domain to align feature statistics within edge devices. Those source prototypes are distributed across the edge devices to minimize a distributed Maximum Mean Discrepancy (MMD) loss tailored for the DUDA-Rid setting. Our experiments provide compelling evidence that Fed-Protoid outperforms all evaluated methods in terms of both accuracy and communication efficiency, all while maintaining data privacy.
• Abstract（参考訳）: Re-ID(Re-Identification System)は、公共の安全のために重要であるが、トレーニングディストリビューションとは異なる環境に適応しなければならないという課題に直面している。 さらに、公共の場での厳格なプライバシープロトコルは、個人の自由の上昇に対する理解として実施され、新しい環境における正確なRe-IDシステムのデプロイに複雑さの層が加えられている。 例えば、欧州連合では、「『データ最小化』と『Purpose Limitation』の原則は、画像の保持と処理を厳格に必要とするものに制限している。 これらの規則は、サーバ上のデータの集中化に依存する従来のRe-IDトレーニングスキームに挑戦する。 本研究では、カメラデバイス外での画像転送を必要とせず、ドメインシフトの問題に対処するため、プライバシ保護のための分散非教師付きドメイン適応(DUDA-Rid)を提案する。 この設定に対処するために、エッジデバイス内で直接人物Re-IDモデルを適用する新しいソリューションであるFed-Protoidを紹介します。 提案手法では,ソースドメインから派生したプロトタイプを用いて,エッジデバイス内の特徴統計を整列する。 これらのソースプロトタイプは、DUDA-Rid設定に合わせて、分散最大平均離散性(MMD)損失を最小限に抑えるために、エッジデバイスに分散される。 我々の実験は、Fed-Protoidがデータのプライバシーを維持しながら、正確性と通信効率の両方の観点から評価されたすべてのメソッドを上回っているという説得力のある証拠を提供する。

関連論文リスト

• HUWSOD: Holistic Self-training for Unified Weakly Supervised Object Detection [66.42229859018775]
  我々は,HUWSOD(HuWSOD)と呼ばれる,統一・高容量弱教師付きオブジェクト検出(WSOD)ネットワークを導入する。 HUWSODには、自己管理された提案生成器と、従来のオブジェクト提案を置き換えるために、マルチレートで再構成されたピラミッドを備えたオートエンコーダ提案生成器が組み込まれている。 提案手法は,よく設計されたオフラインオブジェクト提案と大きく異なるが,WSOD訓練には有効であることを示す。
  論文  参考訳（メタデータ） (2024-06-27T17:59:49Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Distribution Aligned Semantics Adaption for Lifelong Person Re-Identification [43.32960398077722]
  Re-IDシステムは、空間と時間の変化に適応する必要がある。 LReID(Lifelong person Re-IDentification)メソッドは、古いドメインからの例証の再生と、古いモデルでロジットに知識蒸留を適用することに依存している。 多様な歩行者画像に基づいて大規模に訓練されたRe-IDモデルは、堅牢で一般的な人間の意味知識を得ることができると論じる。
  論文  参考訳（メタデータ） (2024-05-30T05:15:38Z)
• Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
  Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる 本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-31T03:14:44Z)
• Source-Free Unsupervised Domain Adaptation with Norm and Shape Constraints for Medical Image Segmentation [0.12183405753834559]
  医用画像セグメンテーションのための非教師なし領域適応法(SFUDA)を提案する。 エントロピー最小化法に加えて、ターゲット領域における特徴ノルムを回避する損失関数を導入する。 提案手法は,すべてのデータセットにおいて最先端の手法より優れている。
  論文  参考訳（メタデータ） (2022-09-03T00:16:39Z)
• Online Unsupervised Domain Adaptation for Person Re-identification [4.48123023008698]
  本稿では,非教師付きドメイン適応のための新しいオンライン・セッティングについて紹介する。 我々は、有名なMarket-1501、Duke、MSMT17ベンチマークを用いて、最新のUDAアルゴリズムを新しいオンライン環境に適用し、評価する。
  論文  参考訳（メタデータ） (2022-05-09T15:36:08Z)
• Unsupervised and self-adaptative techniques for cross-domain person re-identification [82.54691433502335]
  非重複カメラにおける人物再識別(ReID)は難しい課題である。 Unsupervised Domain Adaptation(UDA)は、ソースで訓練されたモデルから、IDラベルアノテーションなしでターゲットドメインへの機能学習適応を実行するため、有望な代替手段です。 本稿では,新しいオフライン戦略によって生成されたサンプルのトリプレットを利用する,UDAベースのReID手法を提案する。
  論文  参考訳（メタデータ） (2021-03-21T23:58:39Z)
• Style Normalization and Restitution for Generalizable Person Re-identification [89.482638433932]
  我々は、ソースドメイン上でモデルをトレーニングするが、ターゲットドメイン上での一般化や性能をよく行うことのできる、一般化可能な人物ReIDフレームワークを設計する。 本稿では,シンプルで効果的なスタイル正規化・再構成(SNR)モジュールを提案する。 SNRモジュールによって強化された我々のモデルは、複数の広く使われているReIDベンチマークにおいて最先端のドメイン一般化アプローチよりも大幅に優れている。
  論文  参考訳（メタデータ） (2020-05-22T07:15:10Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。